電子商務(wù)推薦系統(tǒng)與智能談判技術(shù)

前言
第1章 緒論
1.1 電子商務(wù)系統(tǒng)概述
1.1.1 電子商務(wù)的概念
1.1.2 電子商務(wù)系統(tǒng)的特征
1.1.3 電子商務(wù)的模式
1.1.4 電子商務(wù)的基礎(chǔ)技術(shù)
1.1.5 電子商務(wù)存在的問題
1.2 智能Agent與電子商務(wù)
1.2.1 Agent的概念
1.2.2 多Agent系統(tǒng)
1.2.3 基于Agent在電子商務(wù)中的優(yōu)越性
1.3 消費者行為模型
1.4 智能電子商務(wù)系統(tǒng)
1.4.1 購物行為的決策支持
1.4.2 對智能的探討
1.5 電子商務(wù)推薦系統(tǒng)
1.5.1 推薦系統(tǒng)簡介
1.5.2 推薦系統(tǒng)與個性化服務(wù)
1.5.3 推薦系統(tǒng)的研究內(nèi)容
1.5.4 推薦系統(tǒng)的分類
1.5.5 推薦系統(tǒng)實例簡介
1.6 智能談判系統(tǒng)
1.6.1 智能談判系統(tǒng)發(fā)展過程
1.6.2 智能談判系統(tǒng)的主要研究內(nèi)容
1.6.3 智能談判系統(tǒng)實例簡介
本章小結(jié)
第2章 電子商務(wù)推薦系統(tǒng)相關(guān)技術(shù)
2.1 信息檢索和信息過濾
2.1.1 信息檢索
2.1.2 信息過濾
2.2 數(shù)據(jù)挖掘技術(shù)
2.2.1 數(shù)據(jù)挖掘過程和功能
2.2.2 數(shù)據(jù)挖掘知識分類和數(shù)據(jù)挖掘方法
2.2.3 數(shù)據(jù)挖掘與推薦系統(tǒng)
2.3 電子商務(wù)推薦算法
2.3.1 電子商務(wù)推薦算法概述
2.3.2 基于關(guān)聯(lián)規(guī)則的推薦算法
2.3.3 基于內(nèi)容的推薦算法
2.3.4 協(xié)同過濾推薦算法
2.3.5 其他推薦算法簡介
2.3.6 電子商務(wù)推薦算法面臨的挑戰(zhàn)
第3章 Web挖掘技術(shù)的智能商務(wù)推薦
3.1 引言
3.2 Web挖掘相關(guān)的技術(shù)背景
3.2.1 Web使用挖掘
3.2.2 關(guān)聯(lián)規(guī)則挖掘和商品分類
3.2.3 樸素Bayesian分類
3.3 推薦過程
3.3.1 目標顧客選擇
3.3.2 顧客偏好分析
3.3.3 商品關(guān)聯(lián)分析
3.3.4 產(chǎn)生推薦結(jié)果
3.4 推薦系統(tǒng)的實現(xiàn)模型
本章小結(jié)
第4章 專家知識決策和協(xié)同過濾的推薦系統(tǒng)
4.1 引言
4.2 Agent技術(shù)
4.2.1 智能Agent概述
4.2.2 Agent的抽象結(jié)構(gòu)
4.3 智能推薦系統(tǒng)的分析
4.3.1 問題的提出
4.3.2 解決方案
4.4 基于多Agent的推薦系統(tǒng)
4.4.1 系統(tǒng)結(jié)構(gòu)
4.4.2 界面Agent
4.4.3 采購Agent
4.4.4 專家Agent
4.4.5 評價Agent
4.4.6 協(xié)同Agent
4.5 商品本體
4.6 系統(tǒng)集成及Web應(yīng)用
4.6.1 Agent集成
4.6.2 Web應(yīng)用設(shè)計
4.7 基于Agent的推薦系統(tǒng)評價
本章小結(jié)
第5章 DAKNNS的電子商務(wù)協(xié)同過濾推薦算法
5.1 提出問題
5.2 K最近鄰搜索（KNNs）算法簡介
5.3 DAKNNs算法
5.3.1 算法思路
5.3.2 r的確定
5.3.3 算法
5.3.4 分析
5.4 基于DAKNNs的協(xié)同過濾推薦
5.4.1 評分矩陣的轉(zhuǎn)換
5.4.2 評分矩陣的組織
5.4.3 k最近鄰搜索
5.4.4 產(chǎn)生推薦
本章小結(jié)
第6章 多Agent的電子商務(wù)推薦系統(tǒng)的設(shè)計與實現(xiàn)
6.1 簡介
6.2 MABRS功能結(jié)構(gòu)圖
6.3 MABRS原型系統(tǒng)的體系結(jié)構(gòu)
6.4 MABRS的設(shè)計與實現(xiàn)
6.4.1 開發(fā)工具簡介
6.4.2 數(shù)據(jù)庫設(shè)計
6.4.3 MABRS系統(tǒng)部分模塊設(shè)計介紹
本章小結(jié)
第7章 智能談判的基本原理
7.1 商務(wù)談判概述
7.1.1 商務(wù)談判的概念
7.1.2 商務(wù)談判的模型與談判過程
7.1.3 商務(wù)談判的規(guī)律
7.1.4 對策論與商務(wù)談判
7.2 談判方式的新構(gòu)想—智能談判
7.2.1 基于代理（Agent）的智能談判
7.2.2 談判Agent的結(jié)構(gòu)設(shè)計
7.3 談判支持系統(tǒng)
7.3.1 談判支持系統(tǒng)概述
7.3.2 基于Web的談判支持系統(tǒng)
7.4 機器學習和談判策略
7.4.1 機器學習方法概述
7.4.2 基于機器學習方法的談判策略
7.4.3 案例推理與談判策略
7.4.4 決策樹歸納學習與談判策略
7.5 智能談判模型
7.5.1 人工談判過程
7.5.2 智能談判過程
7.5.3 智能談判模型
7.6 智能談判協(xié)議
本章小結(jié)
第8章 Bayesian學習方法的智能談判策略
8.1 引言
8.2 Agent的智能學習及談判策略設(shè)計
8.2.1 Agent的智能學習
8.2.2 談判策略設(shè)計
8.3 談判Agent的結(jié)構(gòu)設(shè)計
8.3.1 談判Agent結(jié)構(gòu)模型
8.3.2 談判Agent的語法定義
8.4 基于Bayesian學習方法的談判策略
8.4.1 基于利益差的商務(wù)談判理論
8.4.2 Bayesian學習方法
8.4.3 NSBL的談判過程
8.4.4 NSBL策略算法
8.4.5 實驗結(jié)果
本童小結(jié)
第9章 BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的多屬性智能談判策略
9.1 引言
9.2 多屬性談判的效用理論
9.3 基于Trade-Off機制的談判策略
9.3.1 Trade-Off談判策略
9.3.2 基于Trade-Off策略的談判過程
9.4 基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的談判策略
9.4.1 BP神經(jīng)網(wǎng)絡(luò)設(shè)計
9.4.2 智能學習過程
9.4.3 結(jié)合遺傳算法的BP神經(jīng)網(wǎng)絡(luò)權(quán)值訓練
9.4 4 聯(lián)機學習
9.5 實驗結(jié)果
本章小結(jié)
第10章 基于本體的智能談判協(xié)議研究
10.1 引言
10.2 面向智能談判的本體方法
10.2.1 本體的概念和功能
10.2.2 談判協(xié)議設(shè)計的本體方法
10.3 談判協(xié)議的本體建模
10.3.1 談判領(lǐng)域知識的本體建模
10.3.2 談判過程的本體建模
10.4 基于OWL語言的協(xié)議本體描述
10.4.1 談判領(lǐng)域知識的本體描述
10.4.2 談判過程的本體描述
10.5 談判協(xié)議的本體實現(xiàn)
本章小結(jié)
第11章 智能談判系統(tǒng)的安全設(shè)計
11.1 安全問題概述
11.2 智能談判系統(tǒng)的安全需求
11.2.1 智能談判系統(tǒng)的安全體系框架
11.2.2 網(wǎng)絡(luò)系統(tǒng)安全需求
11.2.3 電子談判的安全需求
11.3 智能談判系統(tǒng)的安全技術(shù)
11.3.1 網(wǎng)絡(luò)系統(tǒng)的安全技術(shù)
11.3.2 電子談判的安全技術(shù)
11.4 智能談判系統(tǒng)的基本安全模型
11.4.1 智能談判系統(tǒng)的相關(guān)成員
11.4.2 談判信息基本的加解密流程
11.5 智能談判系統(tǒng)的安全設(shè)計
11.5.1 談判Agent注冊申請證書
11.5.2 談判Agent提出報價請求
11.5.3 談判Agent進行討價還價
11.5.4 談判Agent終止談判過程
11.5.5 談判Agent簽署電子合同
11.5.6 安全方案的具體實現(xiàn)
本章小結(jié)
主要參考文獻